PISA, czyli Programme for International Student Assessment to międzynarodowe badanie, którego zadaniem jest uzyskanie porównywalnych danych o umiejętnościach uczniów którzy ukończyli 15 rok życia.
Punktem wyjścia jest pojęcie alfabetyzmu (ang. literacy), czyli „zdolności stosowania wiedzy i umiejętności, analizowania, argumentowania i efektywnego komunikowania w procesie stawiania, rozwiązywania i interpretowania problemów w różnych sytuacjach”.
W badaniu PISA wyróżniono trzy podstawowe dziedziny: czytanie i interpretacja (ang. reading literacy), matematyka (mathematical literacy) i rozumowanie w naukach przyrodniczych (scientific literacy).
Badanie realizowane jest regularnie co trzy lata, począwszy od 2000r.
Ostatnie badanie PISA odbyło się w roku 2018. W badaniu tym
uczestniczyło 79 krajów i regionów, a liczba przebadanych uczniów
przekroczyła 660 tys. Polskę reprezentowało 5653 uczniów z 227 szkół.
Każdy z uczniów zdobywał podczas padania pewną liczbę punktów, która
następnie przeliczana była na ocenę w skali 1 - 6.
Najniższa ocena
(1) była dzielona na:
1a, 1b, 1c w przypadku badania “czytanie i
interpretacja”,
1a, 1b w przypadku badania “rozumowanie w naukach
przyrodniczych”.
Uczeń mógł również otrzymać za mało punktów, aby
zakwalifikować się na jakąkolwiek ocenę.
Ten raport ma na celu
przedstawienie wyników badania PISA 2018 z podziałem na państwa. Aby
zobaczyć liczbę punktów potrzebnych do zakwalifikowania się do danej
oceny proszę najechać kursorem na odpowiednią kolumnę.
Poniżej znajduje się interaktywny wykres przedstawiający wyniki badania PISA 2018 w kategori “czytanie i interpretacja” (ang. reading literacy) z podziałem na państwa (lub regiony).
library(plotly)
library(dplyr)
reading_percentages <- read.csv("./reading_percentages.csv")
reading_percentages %>% select(!X) -> reading_percentages
countries <- colnames(reading_percentages)[-79]
falses <- rep(FALSE, 79)
plot <- plot_ly(x = reading_percentages$levels)
plot %>%
add_trace(type = 'bar',
color = "red",
y = reading_percentages[[countries[1]]], visible = T,
hovertext = c("<189.33",
"189.33 - 262.04",
"262.04 - 334.75",
"334.75 - 407.47",
"407.47 - 480.18",
"480.18 - 552.89",
"552.89 - 625.61",
"625.61 - 698.32",
">698.32"),
hovertemplate = paste('<b>Level %{x}\n%{hovertext} points\n%{y}% students</b><extra></extra>')) -> plot
for (country in countries[-1]) {
plot %>%
add_trace(type = 'bar',
color = "red",
y = reading_percentages[[country]], visible = F,
hovertext = c("<189.33",
"189.33 - 262.04",
"262.04 - 334.75",
"334.75 - 407.47",
"407.47 - 480.18",
"480.18 - 552.89",
"552.89 - 625.61",
"625.61 - 698.32",
">698.32"),
hovertemplate = paste('<b>Level %{x}\n%{hovertext} points\n%{y}% students</b><extra></extra>')) -> plot
}
buttons <- list()
i <- 1
for (country in countries) {
falses[i] <- TRUE
buttons %>%
append(
list(
list(method = "restyle",
args = list("visible", falses),
label = country)
)) -> buttons
falses[i] <- FALSE
i <- i + 1
}
p <- plot %>%
layout(
updatemenus = list(
list(
yanchor = 'auto',
buttons = buttons)),
title = "PISA 2018 proficiency in reading",
xaxis = list(title = "",
categoryorder = "array",
categoryarray = ~levels),
yaxis = list(title = "% of all students"),
showlegend = FALSE
) %>%
config(displayModeBar = FALSE)
pPoniżej znajduje się interaktywny wykres przedstawiający wyniki badania PISA 2018 w kategori “matematyka” (ang. mathematica literacy) z podziałem na państwa (lub regiony).
library(plotly)
library(dplyr)
math_percentages <- read.csv("./math_percentages.csv")
math_percentages %>% select(!X) -> math_percentages
countries <- colnames(math_percentages)[-79]
falses <- rep(FALSE, 79)
plot <- plot_ly(x = math_percentages$levels)
plot %>%
add_trace(type = 'bar',
color = "red",
y = math_percentages[[countries[1]]], visible = T,
hovertext = c("<357.77",
"357.77 - 420.07",
"420.07 - 482.38",
"482.38 - 544.68",
"544.68 - 606.99",
"606.99 - 669.30",
">669.30"),
hovertemplate = paste('<b>Level %{x}\n%{hovertext} points\n%{y}% students</b><extra></extra>')) -> plot
for (country in countries[-1]) {
plot %>%
add_trace(type = 'bar',
color = "red",
y = math_percentages[[country]], visible = F,
hovertext = c("<357.77",
"357.77 - 420.07",
"420.07 - 482.38",
"482.38 - 544.68",
"544.68 - 606.99",
"606.99 - 669.30",
">669.30"),
hovertemplate = paste('<b>Level %{x}\n%{hovertext} points\n%{y}% students</b><extra></extra>')) -> plot
}
buttons <- list()
i <- 1
for (country in countries) {
falses[i] <- TRUE
buttons %>%
append(
list(
list(method = "restyle",
args = list("visible", falses),
label = country)
)) -> buttons
falses[i] <- FALSE
i <- i + 1
}
p <- plot %>%
layout(
updatemenus = list(
list(
yanchor = 'auto',
buttons = buttons)),
title = "PISA 2018 proficiency in mathematics",
xaxis = list(title = "",
categoryorder = "array",
categoryarray = ~levels),
yaxis = list(title = "% of all students"
),
showlegend = FALSE
)%>%
config(displayModeBar = FALSE)
pPoniżej znajduje się interaktywny wykres przedstawiający wyniki badania PISA 2018 w kategori “rozumowanie w naukach przyrodniczych” (scientific literacy) z podziałem na państwa (lub regiony).
library(plotly)
library(dplyr)
math_percentages <- read.csv("./science_percentages.csv")
math_percentages %>% select(!X) -> math_percentages
countries <- colnames(math_percentages)[-79]
falses <- rep(FALSE, 79)
plot <- plot_ly(x = math_percentages$levels)
plot %>%
add_trace(type = 'bar',
color = "red",
y = math_percentages[[countries[1]]], visible = T,
hovertext = c("<260.54",
"260.54 - 334.94",
"334.94 - 409.54",
"409.54 - 484.14",
"484.14 - 558.73",
"558.73 - 633.33",
"633.33 - 707.93",
">707.93"),
hovertemplate = paste('<b>Level %{x}\n%{hovertext} points\n%{y}% students</b><extra></extra>')) -> plot
for (country in countries[-1]) {
plot %>%
add_trace(type = 'bar',
color = "red",
y = math_percentages[[country]], visible = F,
hovertext = c("<260.54",
"260.54 - 334.94",
"334.94 - 409.54",
"409.54 - 484.14",
"484.14 - 558.73",
"558.73 - 633.33",
"633.33 - 707.93",
">707.93"),
hovertemplate = paste('<b>Level %{x}\n%{hovertext} points\n%{y}% students</b><extra></extra>')) -> plot
}
buttons <- list()
i <- 1
for (country in countries) {
falses[i] <- TRUE
buttons %>%
append(
list(
list(method = "restyle",
args = list("visible", falses),
label = country)
)) -> buttons
falses[i] <- FALSE
i <- i + 1
}
p <- plot %>%
layout(
updatemenus = list(
list(
yanchor = 'auto',
buttons = buttons)),
title = "PISA 2018 proficiency in science",
xaxis = list(title = "",
categoryorder = "array",
categoryarray = ~levels),
yaxis = list(title = "% of all students"
),
showlegend = FALSE
)%>%
config(displayModeBar = FALSE)
pRozwinięte państwa dalekiego wschodu osiągnęły najlepsze wyniki w badaniu PISA 2018 (podobnie jak w latach poprzedzających). Również dorze wypadają panstwa takie jak Estonia, Kanada czy Finlandia. Najsłabiej poradzili sobie uczniowie państw rozwijających się, co przypuszczalnie ma związek z mniej rozwiniętym systemem edukacji w tych krajach. Polska zajęła dziesiąte miejsce spośród wszystkich przebadanch krajów w “czytaniu i interpretacji” oraz matamtyce, zaś w “rozumowanie w naukach przyrodniczych” - jedenaste miejsce.